HPC/AI za otkrivanje tuberkuloze: unapređenje rendgenske dijagnoze uz duboko učenje na IT2025

Istraživači sa Univerziteta Donja Gorica predstavili su model dubokog učenja za automatsko otkrivanje tuberkuloze rendgenskim snimkom grudnog koša na IEEE IT2025 konferenciji. Koristeći konvolucionu neuronsku mrežu (CNN), model klasifikuje slike kao normalne ili pozitivne na tuberkulozu sa impresivnih 97,55% preciznosti. Ovo otkriće ima potencijal da ubrza dijagnozu, smanji opterećenje radiologa i poboljša stope ranog otkrivanja, posebno u zdravstvenim ustanovama sa niskim resursima. Korišćenjem veštačke inteligencije za brzu i pouzdanu analizu medicinske slike, ovo istraživanje naglašava rastuću ulogu kompjuterskog vida u modernoj zdravstvenoj zaštiti i njegovu sposobnost da poboljša efikasnost i tačnost u otkrivanju bolesti.

ABSTRACT – This article presents a deep learning model that enables fast and accurate diagnosis of tuberculosis based on chest X-rays. The developed model uses convolutional neural network that enable the automatic classification of chest x-rays into one of two classes: Normal or Tuberculosis with a high degree of accuracy. The model achieved an accuracy of 97.55% on the test data set, indicating its potential to open new perspectives for medical professionals in establishing a tuberculosis diagnosis. This model can significantly speed up the diagnostic process, reducing the workload of medical workers and increasing their productivity in the fight against tuberculosis, one of the most common lung diseases.